“神经网络结构”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果10291013个，建议您升级VIP下载更多相关专利

[发明专利]神经网络生成、数据处理、智能行驶控制方法及装置-CN202110215347.8在审
发明人：丁明宇;王哲 -专利权人：商汤集团有限公司
申请日： 2021-02-25 - 公布日： 2021-06-11 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了一种神经网络生成方法、数据处理方法、智能行驶控制方法、装置、电子设备及存储介质，该神经网络生成方法包括：确定表征神经网络结构的结构向量；基于训练后的神经预测器、和所述结构向量，确定所述结构向量对应的梯度向量；其中，所述神经预测器用于预测所述结构向量对应的神经网络结构的性能；所述梯度向量用于表征所述结构向量对应的神经网络结构的调整信息；基于所述梯度向量、和所述结构向量，确定目标神经网络。
神经网络生成数据处理智能行驶控制方法装置

[发明专利]基于光学神经网络结构的图像识别方法、装置及电子设备-CN201910038838.2有效
发明人：翁文康;张笑鸣 -专利权人：南方科技大学
申请日： 2019-01-16 - 公布日： 2021-08-27 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种基于光学神经网络结构的图像识别方法、图像识别装置及电子设备，其中，光学神经网络结构由X层神经网络所构成；该图像识别方法包括：获取待识别图像；将待识别图像输入至光学神经网络结构；基于光学神经网络结构的输出结果确定待识别图像的识别结果；其中，光学神经网络结构用于：针对第i层神经网络，获取第i层神经网络的输入向量，i为大于0且小于X+1的正整数；分别基于Yi个内积计算单元对输入向量进行线性变换Sub>i个线性变换的结果通过非线性晶体进行激活，得到Yi个激活结果；将Yi个激活结果作为本层神经网络的输出向量本申请方案应用了新型的光学神经网络结构，进一步提升了图像识别的速度。
基于光学神经网络结构图像识别方法装置电子设备

[发明专利]一种基于递归神经网络的推荐方法及系统-CN201510718394.9有效
发明人：刘俊涛;王军伟;邓德位 -专利权人：中国船舶重工集团公司第七0九研究所
申请日： 2015-10-30 - 公布日： 2020-11-06 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供一种基于递归神经网络的推荐方法和系统，其采用递归神经网络模型对用户行为建模并用于推荐系统，通过结合BP算法原理和本发明的神经网络结构，构建针对推荐系统的递归神经网络模型学习方法，根据推荐系统的特点对递归神经网络进行训练，建立独有神经网络结构，从而根据新的神经网络结构为不同用户生成与其兴趣爱好相对应的推荐列表。所述推荐方法和系统通过采用递归神经网络从用户历史行为中学习用户偏好，并据此为用户提供推荐服务。通过递归神经网络特有的递归结构，能够基于时间序列对不同类型的用户行为进行统一表示；且递归神经网络在时间上展开后形成一个深度神经网络结构，能够更精确的表示具有较大随机性的用户行为。
一种基于递归神经网络推荐方法系统

[发明专利]用于自动驾驶的神经网络模型的训练方法及相关装置-CN202111080765.7在审
发明人：张雪;罗壮;张海强;李成军 -专利权人：智道网联科技（北京）有限公司
申请日： 2021-09-15 - 公布日： 2021-12-07 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及一种用于自动驾驶的神经网络模型的训练方法及相关装置。该方法包括：获取预设神经网络模型；构建用于输出隐性噪声数据的隐式数据增强网络结构；将所述隐式数据增强网络结构接入所述预设神经网络模型，使得所述隐式数据增强网络结构输出的所述隐性噪声数据与所述预设神经网络模型中的隐层特征数据进行矩阵相加；训练接入有所述隐式数据增强网络结构的所述预设神经网络模型，得到网络参数更新后的接入有所述隐式数据增强网络结构的所述预设神经网络模型。
用于自动驾驶神经网络模型训练方法相关装置

[发明专利]日志分类方法、装置、电子设备和存储介质-CN202310520210.2在审
发明人：李东江;张静;张宪波;杨继成 -专利权人：京东科技信息技术有限公司
申请日： 2023-05-09 - 公布日： 2023-08-08 - 主分类号： G06F16/906 文献下载
摘要：本实施例公开了一种日志分类方法、装置、电子设备和计算机存储介质，该方法包括：针对原始日志数据集提取结构化日志模板；构建所述结构化日志模板的词向量；根据所述结构化日志模板的词向量，采用梯度下降的搜索方法对用于日志分类的神经网络的网络结构进行搜索，得出目标网络结构；在所述神经网络的网络结构为所述目标网络结构的情况下，对所述神经网络进行训练，得到训练后的神经网络；基于所述训练后的神经网络进行日志分类。
日志分类方法装置电子设备存储介质

[发明专利]一种基于深度机器学习的数字内容投放方法-CN201910641879.0有效
发明人：李忠慧 -专利权人：盐城师范学院
申请日： 2019-07-16 - 公布日： 2020-06-02 - 主分类号： G06F16/955 文献下载
摘要：本发明公开了一种基于深度机器学习的数字内容投放方法，包括：获取用户标识和所述用户标识对应的数字内容；构建神经网络结构，利用所述用户标识和所述用户标识对应的数字内容训练所述神经网络结构；当所述神经网络结构的识别准确率满足预设阈值时，得到最优神经网络结构；接收携带用户标识的投放请求，利用所述最优神经网络结构将所述投放请求对应的待投放数字内容投放给用户。本发明提出的方法，采用基于深度机器学习的神经网络结构对待投送的数字内容和用户标识进行识别匹配，实现了数字内容的精准投放，提高了数字内容投放的准确率和效率。
一种基于深度机器学习数字内容投放方法

[发明专利]基于神经网络拓扑结构的轻量化神经网络结构搜索方法-CN202310168979.2在审
发明人：朱文博;胡勇聪;李艾园;陈建文;王修才 -专利权人：佛山科学技术学院
申请日： 2023-02-27 - 公布日： 2023-06-23 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了基于神经网络拓扑结构的轻量化神经网络结构搜索方法，该方法包括：对待检测图像数据集进行预处理，得到预处理后的图像数据集；构建神经网络拓扑结构搜索空间并根据神经网络拓扑结构设计拓扑复杂度评估指标；将预处理后的图像数据集输入至神经网络拓扑结构搜索空间进行二次搜索处理并结合拓扑复杂度评估指标，构建轻量化神经网络拓扑结构；根据所述轻量化神经网络拓扑结构对所述待检测图像数据集进行图像检测处理。通过使用本发明，能够极大地降低人工劳动的成本且提高神经网络结构搜索的效率。本发明作为基于神经网络拓扑结构的轻量化神经网络结构搜索方法，可广泛应用于神经网络图像检测技术领域。
基于神经网络拓扑结构量化搜索方法

[发明专利]基于神经元显著性的前馈神经网络结构自组织方法-CN201710440600.3有效
发明人：韩广;成琦;孙晓云;刘少哲;吴世星 -专利权人：石家庄铁道大学
申请日： 2017-06-13 - 公布日： 2021-10-22 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于神经元显著性的前馈神经网络结构自组织方法，涉及神经网络技术领域，针对传统前馈神经网络结构选取困难的问题，本发明提出的方法根据隐含层神经元的显著性大小动态调整神经网络的网络结构。实验结果表明：改进后的算法能够降低网络结构选取的盲目性，实现了网络结构的动态优化调整，提高了网络识别的精度。其在非线性系统辨识、数据分类和工程类缺陷类型识别上均具备较高的精度。
基于神经元显著神经网络结构组织方法

[发明专利]用于生成神经网络的结构的方法和装置-CN202010300949.9有效
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-04-16 - 公布日： 2023-06-06 - 主分类号： G06N3/0475 文献下载
摘要：本公开的实施例公开了用于生成神经网络的结构的方法和装置，涉及人工智能领域。该方法包括：获取初始的性能反馈信息，执行如下搜索操作：根据预设的硬件延时约束信息、性能反馈信息和第一网络结构搜索空间确定第一目标神经网络的候选网络结构；根据性能反馈信息和第二网络结构搜索空间确定第二目标神经网络的候选网络结构；将第一目标神经网络和第二目标神经网络的候选网络结构分别作为生成器和判别器构建候选生成对抗网络并训练；响应于确定候选生成对抗网络的性能信息满足预设的条件或执行搜索操作的次数达到预设的次数阈值，确定候选生成对抗网络中的生成器为第一目标神经网络的目标结构该方法可搜索出满足预设的硬件延时约束的网络结构。
用于生成神经网络结构方法装置

[发明专利]一种人工神经网络构建方法-CN202211516579.8在审
发明人：羿舒文;王书诚;陈祖刚;雷霓;郑洁;方书雅;王浩;叶荣军;刘剑;沈欢;黄亮;李欢 -专利权人：武汉船舶通信研究所（中国船舶重工集团公司第七二二研究所）
申请日： 2022-11-30 - 公布日： 2023-05-23 - 主分类号： G06N3/045 文献下载
摘要：本发明涉及人工智能技术领域，特别涉及一种人工神经网络构建方法，包括步骤：每个神经网络节点获取父节点的输出特征，并输出待变换的特征信息至下一子节点；获取待构建神经网络的节点数量以及神经网络子网络的分段数量；基于复杂网络生成模型预生成分段子网络；输出为连通网络的分段子网络；对分段子网络进行有向化处理，确定每个分段子网络的输入节点和输出节点，拼接前后连接的分段子网络的输入节点和输出节点，构建神经网络的输出层；输出构建的人工神经网络。本发明将复杂网络生成模型与神经网络结构搜索结合，使用复杂网络生成模型模拟网络的随机形成过程，构建人工神经网络结构，采用神经网络结构搜索技术对网络结构的构建过程进行优化。
一种人工神经网络构建方法

[发明专利]一种云服务的模型部署方法、装置、电子设备及存储介质-CN202310350158.0在审
发明人：张长浩;申书恒;傅欣艺;王维强 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2023-03-29 - 公布日： 2023-07-04 - 主分类号： G06F8/60 文献下载
摘要：方法包括：基于神经网络搜索架构确定目标模型的多种神经网络结构，目标模型的神经层的结构参数作为搜索空间的超参数。根据结构参数，确定每种神经网络结构的神经层的硬件耗时和传输耗时，传输耗时是指终端将神经层的输出结果传输至云端的耗时。按照神经网络结构的总耗时最小化原则，将每种神经网络结构拆分成终端部分和云端部分，总耗时包括终端部分和云端部分中神经层的硬件耗时以及终端部分中输出结果需要传输至云端的神经层的传输耗时。基于预设策略选取出目标神经网络结构，并按照其划分的终端部分和云端部分完成对应部署，预设策略包含基于总耗时的选取维度。
一种服务模型部署方法装置电子设备存储介质

[发明专利]基于并行神经网络的信号调制方式识别系统及识别方法-CN202111057101.9在审
发明人：凌琪琪;张吉楠;王萌 -专利权人：湖南艾科诺维科技有限公司
申请日： 2021-09-09 - 公布日： 2021-12-14 - 主分类号： G06N3/04 文献下载
摘要：本发明公开一种基于并行神经网络的信号调制方式识别系统及识别方法，该系统包括依次连接的输入模块、并行子网模块以及输出模块，并行子网模块包括多个并联连接的神经网络结构，每个神经网络结构对应为一个子网，各神经网络结构分别对应进行不同类型调制方式的识别，输入模块接收待识别信号，并进行编码后形成待处理数据帧分别分发给各神经网络结构，由输出模块根据各神经网络结构的识别结果得到最终的识别结果输出。本发明具有结构简单、识别效率高、灵活性强且精度高等优点。
基于并行神经网络信号调制方式识别系统方法

[发明专利]基于进化神经网络结构搜索食管癌病变区域识别建模方法-CN202110141443.2有效
发明人：章毅;胡兵;张潇之;周尧;刘伟;吴雨;袁湘蕾 -专利权人：四川大学
申请日： 2021-02-02 - 公布日： 2021-06-01 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于进化神经网络结构搜索的食管癌病变区域识别建模方法，涉及图像模式识别及医学图像的技术领域，包括如下步骤：S1：采集并标注用于训练神经网络模型的食管图像数据集；S2：构建用于食管癌病变区域识别的神经网络结构搜索空间；S3：训练面向食管癌病变区域识别的超网络模型；S4：使用进化算法在构建的超网络模型上搜索最优神经网络结构；S5：微调搜索到的神经网络结构，并预测新输入的食管图像上的病变区域。本发明消除食管癌智能识别任务中神经网络结构设计对于专家经验的依赖，使得深度神经网络方法在食管癌病变区域识别方面更加容易使用。
基于进化神经网络结构搜索食管癌病变区域识别建模方法

[发明专利]一种神经网络结构自调整的图像识别模型及方法-CN201911259716.2在审
发明人：陈荣聪;林倞;王广润;王广聪;张吉祺 -专利权人：中山大学
申请日： 2019-12-10 - 公布日： 2020-04-24 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络结构自调整的图像识别模型及方法，所述模型包括：预训练模型生成单元，用于构建一个神经网络模型结构，并基于标准迁移学习在源域上预训练，得到预训练模型；搜索空间设计单元，用于设计所述神经网络模型结构的搜索空间，使得选定的神经网络模型结构可以看作所述搜索空间中的一个实例；联合微调单元，用于从得到的预训练模型开始，在搜索空间内联合微调网络参数和网络结构,优化后得到目标神经网络结构；网络参数微调单元，用于对经过所述联合微调单元得到的目标神经网络结构进一步微调网络参数
一种神经网络结构调整图像识别模型方法

[发明专利]基于深度学习的地震数据插值处理方法及系统-CN201811159314.0在审
发明人：亢永敢;魏嘉;洪承煜;许自龙;庞世明 -专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院
申请日： 2018-09-30 - 公布日： 2020-04-07 - 主分类号： G01V1/28 文献下载
摘要：该方法可以包括：步骤1，设置神经网络结构，根据神经网络结构，将按道存储的地震数据分解为按采样点存储的采集点地震数据；步骤2，设置神经网络循环次数阈值和误差控制参数；步骤3，根据神经网络结构、神经网络循环次数阈值和误差控制参数，将采集点地震数据输入到神经网络结构，以采样点的振幅值作为输出的检验数据，获得神经网络插值参数；步骤4，根据神经网络插值参数，将缺失数据替代采集点地震数据，重复步骤3，获得缺失数据的振幅值，进而获得重建数据本发明通过深度学习神经网络，对地震数据进行多维插值处理，实现地震数据的重建。
基于深度学习地震数据处理方法系统